Page 245 - 《社会》2022年第1期

社会·2022·1

为此，我们应当要讨论的是，尽管对 RDS 估计进行诊断和报告本
是使用 RDS 方法的研究者的应然之举，然而，目前，无论是在医学领域
还是社会科学领域，RDS 估计诊断都存在严重报告不足和被滥用的情
况（ White，et al.，2015；Johnston，et al.，2016；Khoury，2020）， 这 显 然 不 利
于 RDS 方法的标准化和未来发展。 为此，研究者应充分了解 RDS 估计
诊断方法的多样性、适用性，以及每一种诊断方法的优势和局限，以便
为同行提供标准化的 RDS 估计诊断报告。
首先，RDS 估计器是目前常规使用的诊断方法，它可以量化报告样
本的均衡收敛批次和同质性水平。 但是，RDS 估计器通常是在调查结束
后采用的诊断方法， 它能描述招募过程中可能存在的问题却无法及时
解决，而且，RDS 估计器并不能很好的识别和控制种子依赖和局部区域
招募带来的同质性问题，这意味着 RDS 估计器提供的样本均衡分析和
总体参数估计可能会存在偏差。
其次，绘制分析变量的收敛图和瓶颈图，可以获得更多 RDS 招募
过程中的信息。 例如，我们从累积收敛图中可以了解样本的最终收敛情
况，从滚动收敛图中可以了解样本收敛是如何发生的。 我们还可以从累
积瓶颈图中发现不同种子链是否具有相同的招募趋势和收敛模式，从
滚动瓶颈图中看出不同种子链条的招募模式变化。 这样，收敛图和瓶颈
图就可以帮助研究者动态观察到样本的种子依赖性迹象。 研究者可以
一边进行 RDS 调查，一边利用收集到的数据对重要变量绘制收敛图和
瓶颈图，实时了解抽样过程中可能出现的偏差，必要时可以对样本组成
的种子依赖性影响进行控制，比如扩大样本量、增加种子数和招募批次
等。 但是，作为一种图形方法，除了吉尔等（ Gile，et al.，2015）提到的问
题之外，收敛图和瓶颈图无法像 RDS 估计器一样给出客观的量化指标
来帮助研究者识别样本的种子依赖程度， 它需要研究者结合专业的背
景知识对图形进行解读，这有可能出现诊断结果解读不准确的情况。
最后，使用经纬度信息构建凸壳面积来表征 RDS 招募过程的有效
覆盖面积，可以通过观察凸壳面积的动态变化及其变化幅度大小，来了
解 RDS 招募过程是在局部区域还是在整个调查区域中完成，招募过程
是困于某一区域，还是已经跨越了地理边界。 这些信息为研究人员了解
招募何时在小区域开始，何时在较大区域开始提供了洞察力。 一些迹象
可以帮助研究者决定何时对招募过程进行合理干预。 例如，当招募过程

· 238·